• español
  • English
  • français
  • Deutsch
  • português (Brasil)
  • italiano
    • español
    • English
    • français
    • Deutsch
    • português (Brasil)
    • italiano
    • español
    • English
    • français
    • Deutsch
    • português (Brasil)
    • italiano
    JavaScript is disabled for your browser. Some features of this site may not work without it.

    Parcourir

    Tout UVaDOCCommunautésPar date de publicationAuteursSujetsTitres

    Mon compte

    Ouvrir une session

    Statistiques

    Statistiques d'usage de visualisation

    Compartir

    Voir le document 
    •   Accueil de UVaDOC
    • PROJET DE FIN D'ÉTUDES
    • Trabajos Fin de Máster UVa
    • Voir le document
    •   Accueil de UVaDOC
    • PROJET DE FIN D'ÉTUDES
    • Trabajos Fin de Máster UVa
    • Voir le document
    • español
    • English
    • français
    • Deutsch
    • português (Brasil)
    • italiano

    Exportar

    RISMendeleyRefworksZotero
    • edm
    • marc
    • xoai
    • qdc
    • ore
    • ese
    • dim
    • uketd_dc
    • oai_dc
    • etdms
    • rdf
    • mods
    • mets
    • didl
    • premis

    Citas

    Por favor, use este identificador para citar o enlazar este ítem:http://uvadoc.uva.es/handle/10324/27626

    Título
    Application of machine learning techniques to optical communication systems and networks
    Autor
    Mata Gómez, Francisco Javier
    Director o Tutor
    Miguel Jiménez, Ignacio deAutoridad UVA
    Durán Barroso, Ramón JoséAutoridad UVA
    Editor
    Universidad de Valladolid. Escuela Técnica Superior de Ingenieros de TelecomunicaciónAutoridad UVA
    Año del Documento
    2017
    Titulación
    Máster en Investigación en Tecnologías de la Información y las Comunicaciones
    Résumé
    This TFM reviews the application of machine learning techniques in optical communication systems and networks. In addition, it studies and compares the characteristics of various machine learning methods, such as: support vector machines, logistic regression, decision trees and random forests, to predict the quality of transmission when using optical circuits in wavelength routed optical communication networks. The models developed in this TFM offer better performance than previous proposals, mainly in terms of computing time, making possible its use in online mode even in highly dynamic networks, in addition to being simpler.
     
    El presente TFM realiza una revisión de la aplicación de técnicas de aprendizaje automático en los sistemas y redes de comunicaciones ópticas. Además, estudia y compara las características de diversos métodos de aprendizaje automático, tales como: máquinas de vectores soporte, regresión logística, árboles de decisión y bosques aleatorios, para predecir la calidad de la transmisión al emplear circuitos ópticos en redes de comunicaciones ópticas con encaminamiento por longitud de onda. Los modelos desarrollados en el TFM obtienen mejores prestaciones que propuestas anteriores, fundamentalmente en términos de tiempo de cálculo, posibilitando su utilización en modo on-line incluso en redes altamente dinámicas, amén de ser más sencillos.
    Materias (normalizadas)
    Redes ópticas
    Palabras Clave
    Aprendizaje automático
    Árboles de decisión
    Máquinas de vectores - Soporte
    Regresión logística
    Departamento
    Departamento de Teoría de la Señal y Comunicaciones e Ingeniería Telemática
    Idioma
    eng
    URI
    http://uvadoc.uva.es/handle/10324/27626
    Derechos
    openAccess
    Aparece en las colecciones
    • Trabajos Fin de Máster UVa [7035]
    Afficher la notice complète
    Fichier(s) constituant ce document
    Nombre:
    TFM-G809.pdf
    Tamaño:
    4.498Mo
    Formato:
    Adobe PDF
    Thumbnail
    Voir/Ouvrir
    Attribution-NonCommercial-NoDerivatives 4.0 InternationalExcepté là où spécifié autrement, la license de ce document est décrite en tant que Attribution-NonCommercial-NoDerivatives 4.0 International

    Universidad de Valladolid

    Powered by MIT's. DSpace software, Version 5.10